第三时域分析.pptVIP

* 上式表明，计算第k次的自相关滞后时，x（n + m）w?（m）需要N次相乘。而为计算滞后乘积的求和，就需要（N - k）次乘和加，因而计算量较大。利用该式的一些特殊性质可减少运算，比如利用FFT。 * N值至少要大于基音周期的二倍，否则将找不到第二个最大值点（除R(0)外最近的一个最大值点）。另一方面，N值也要尽可能地小；因为语音信号的特性是变化的，如N过大将影响短时性。由于语音信号的最小基频为80Hz，因而其最大周期为12 .5ms，两倍周期为25ms，所以10kHz取样时窗宽N为250。因而，用自相关函数估算基音周期时，N不应小于250。由于基音周期的范围很宽，所以应使窗宽匹配于预期的基音周期。长基音周期用窄的窗，将得不到预期的基音周期；而短基音周期用宽的窗，自相关函数将对许多个基音周期作平均计算，这是不必要的。为此可采用自适应于基音周期的窗口长度法，但是这种方法比较复杂。为解决这个问题，可用“修正的短时自相关函数”来代替短时自相关函数。 * 女声汉语拼音a的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），短时过零率为46。 男声汉语拼音s的一帧信号（在采样频率为22050Hz的情况下，取20ms作为一帧），短时过零率为183。 在实际应用中，短时平均过零率容易受到A/D转换是的直流偏移、50Hz交流电源的干扰以及噪声的影响。 减少这些干扰可以有两种方法：一种是采用带通滤波器消除信号中的直流和50Hz低频分量； Bandpass filte Hb w Hb(ejw) x(n) y(n) 3.3 短时平均过零率 另一种是用过门限率来修改过零率，减少随机噪声的影响。 过门限率反映了穿过正负门限的次数，如果存在随机噪声， 只要信号没有超过[-T,T]的范围，就没有有过零率产生。 T -T 3.3 短时平均过零率 短时能量、平均幅度、过零率 M 文件 function [zcr,e2,am]=STAV(vin,Fs,N,L) if nargin 3, N= 100; end if nargin 4, L= fix(N/2); end //分帧窗长N，重叠L x=buffer(vin,N,L); //短时能量 ie2=sum(x.^2); //短时平均幅度 iam=sum(abs(x)); //短时过零率 ncz=buffer(diff(sign(vin+1e-9)),N,L); izcr=sum(abs(ncz))/2/N; if nargout == 0 subplot(221);plot((1:length(ie2))*N/2/Fs,ie2); subplot(222);plot((1:length(iam))*N/2/Fs,iam); subplot(223);plot((1:length(izcr))*N/2/Fs,izcr); plen=length(izcr); subplot(224);plot((1:plen)*N/2/Fs,[ie2(1:plen)/max(ie2)+2;iam(1:plen)/max(iam)+1;izcr]); else zcr = izcr; e2 = ie2; am=iam; end 3.4 短时自相关函数 相关分析的依据： 用于确定两个信号在时域内的相似性。常用的物理量为自相关函数和互相关函数。当两个信号的互相关函数大时，则说明一个信号可能是另一个信号的时间滞后或提前；当互相关函数为0时，则两个信号完全不同。 自相关函数用于研究信号本身，如波形的同步性和周期性。 1.???? 定义： 时域离散确定信号的自相关函数定义为： 时域离散随机信号的自相关函数定义为：  若信号为一周期信号，周期为P，则 3.4 短时自相关函数 上式说明，周期信号的自相关函数也是一个同样周期的周期信号。 自相关函数具有下述性质： (1)??对称性 R（k）= R（-k） (2) 在k = 0处为最大值，即对于所有k来说，|R(k)|≤R(0) (3) 对于确定信号，值R（0）对应于能量，而对于随机信号，R（0）对应于平均功率 在上述的第（2）个性质中，如果是一个周期为NP的信号，则在取样0，± NP ，± 2NP ，…处，其自相关函数也是最大值，因此可以根据自相关函数的最大值的位置来估计周